遙感影像包含了地面植被覆蓋信息,地面溫度信息,城鄉(xiāng)分布信息等信息,對于指導地表宏觀性研究具有重要意義。遙感影像語義分割技術是對遙感影像的每一個像素進行分類,是遙感影像理解與分析中重要且基礎的一環(huán),就具有極高的研究價值。卷積神經(jīng)網(wǎng)絡的最新發(fā)展已經(jīng)實現(xiàn)了遙感影像的在語義分割方面的扎實進展,但是現(xiàn)有卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)設計沒有充分考慮到遙感影像圖像的數(shù)據(jù)特征,且網(wǎng)絡結(jié)構(gòu)的獲取需要研究人員通過不斷的實驗獲得,分割精度與網(wǎng)絡架構(gòu)設計效率有待進一步提高。因此本文基于卷積神經(jīng)網(wǎng)絡進一步研究遙感影像分割任務,主要研究內(nèi)容如下所示:（1）為解決現(xiàn)有基于卷積神經(jīng)網(wǎng)絡的遙感影像分割方法沒有充分考慮到遙感影像圖像的數(shù)據(jù)的特征,導致的小物體分類不良和邊界不清晰的問題。本文提出了一種改進的語義分割神經(jīng)網(wǎng)絡,該網(wǎng)絡采用空洞卷積,全連接融合路徑和預訓練編碼器來進行遙感圖像的語義分割任務�？斩淳矸e的使用在改善道路水等小型物體的分割效果,全連接融合路徑通過跳轉(zhuǎn)連接提供更多的底層信息流。在訓練階段實現(xiàn)了基于深度學習框架Tensorflow實現(xiàn)BN層的跨卡同步。實驗結(jié)果表明,改進的神經(jīng)網(wǎng)絡架構(gòu)增強了遙感圖像分割結(jié)果,達到91%的... 

【文章來源】：東北林業(yè)大學黑龍江省 211工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 遙感影像分割研究現(xiàn)狀
        1.2.2 網(wǎng)絡架構(gòu)自動搜索研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 本文的組織結(jié)構(gòu)
2 相關技術介紹
    2.1 深度神經(jīng)網(wǎng)絡結(jié)構(gòu)
        2.1.1 卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)
        2.1.2 全卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)
        2.1.3 Deeplabv3網(wǎng)絡結(jié)構(gòu)
    2.2 常用模型訓練優(yōu)化算法
        2.2.1 反向傳播算法
        2.2.2 優(yōu)化算法
        2.2.3 遷移學習
        2.2.4 正則化
        2.2.5 深度學習框架Tensorflow介紹
    2.3 可微分網(wǎng)絡架構(gòu)搜索介紹
        2.3.1 搜索空間
        2.3.2 搜索策略
        2.3.3 評價預估
    2.4 本章小結(jié)
3 基于全卷積神經(jīng)網(wǎng)絡的分割方法
    3.1 問題分析
    3.2 改進的網(wǎng)絡結(jié)構(gòu)
        3.2.1 A-ASPP結(jié)構(gòu)
        3.2.2 全連接短路徑
    3.3 跨卡同步Batch Normal
    3.4 實驗結(jié)果與分析
        3.4.1 遙感影像預處理
        3.4.2 運行環(huán)境與參數(shù)設置
        3.4.3 分割評價指標
        3.4.4 實驗結(jié)果與分析
    3.5 本章小結(jié)
4 基于可微分網(wǎng)絡架構(gòu)搜索的遙感影像分割
    4.1 基于可微分網(wǎng)絡架搜索的網(wǎng)絡模型
        4.1.1 分割網(wǎng)絡基礎架構(gòu)
        4.1.2 連續(xù)化架構(gòu)搜索空間
    4.2 雙階段優(yōu)化算法
    4.3 網(wǎng)絡結(jié)構(gòu)的剪枝
    4.4 實驗與結(jié)果分析
        4.4.1 實驗環(huán)境與參數(shù)設置
        4.4.2 實驗數(shù)據(jù)的獲取與處理
        4.4.3 實驗結(jié)果與分析
    4.5 本章小結(jié)
結(jié)論
參考文獻
學位期間發(fā)表的學術論文
致謝


【參考文獻】：
碩士論文
[1]基于深度學習的圖像語義分割方法研究與實現(xiàn)[D]. 張學鵬.電子科技大學 2018



本文編號：3053462